大学生数据结构学习笔记二

一、算法分析

1.1 时间复杂度分析

1.1.1 函数渐近增长

概念：
给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N ,f(n)总是比g(n)大，那么我们说f(n)的增长渐近快于g(n)。

算法函数规则的结论：

1. 算法函数中的常数可以忽略。
2. 算法函数中最高次幂的常数因子可以忽略。
3. 算法函数中最高次幂越小，算法效率越高；

最高次幂，就是for循环嵌套的层数；
常数就是非循环的步骤；
最高次幂的常数因子就是for循环的嵌套语句有多少个；

1.1.2.1 大O记法

定义：
在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随着n的变化情况并确实T(n)的量级。记作T(n)=O(f(n))。

规则：

1. 用常数1取代运行时间中的所有加法常数。
2. 在修改后的运行次数中，只保留高阶项。
3. 如果最高阶项存在，且常数因子不为1，则去除与这个项相乘的常数。

1.1.2.2常见的大O阶

1. 线性阶
   时间复杂度为O(n),就是有单层循环。
2. 平方阶
   时间复杂度为O(n^2),一般有嵌套循环。
3. 立方阶
   时间复杂度为O(n^2),一般有三层嵌套循环。
4. 常数阶
   时间复杂度O(1),只有步骤没有循环。
5. 对数阶

//例如
int i=1,n=100;
while(i<n)
{
    i=i*2;
}

由于每次i*2之后，就距离n更近一步，假设有x个2相乘后大于n，则会退出循环体。由于2^x=n，得到x=log(2)n。时间复杂度就为O(logn)。因为底数不会影响趋势，所有可以忽略。

时间复杂度低到高
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)
当复杂度大于或等于O(n^2)时，需要优化。

1.1.2.3 函数调用的时间复杂度分析

//例如
viod main()
{
     int  i = 0 ,n = 100;
    for( i = 0 ; i < n ; i++)
    {
         show(i)
    }
}
void show(int i)
{
    for(int  j = 0; j < i ; i++)
    {
          printf("%d",i);
    }
}

在show函数里面，有一个for循环，所以show函数的时间复杂度为O(n),在main中有一个for循环，循环体调用了show函数所以main的时间复杂度为O(n^2);

1.1.2.4 最坏情况

//例如
 int search (int num)
{
   int a[]={11,10,8,6,7,12,23,0}
   for(int i =0 ; i <seizof(a) ; i++)
   if(num == a[i])
   {
           return i;
    }
     return -1;
}

最好情况：查找第一个数字就是期望的数字，那么算法的时间复杂度就是O(1)。
最坏情况：查找最坏一个数字，或者没有找到，那么算法的时间复杂度为O(n)。
平均情况：任何数字查找的平均成本是O(n/2)。